Bash 将特定列的值上的文件拆分为单独的文件，并包括标题

fullfile.csv：

animal,number
rabbit,1
fish,2
mouse,1
dog,1
lizard,2
cat,2

我想根据第二列中的值拆分文件， 并使用以下命令：

awk 'BEGIN {FS = ","}; {print > ("file"$2".csv")}' fullfile.csv

产出：

file1.csv

rabbit,1
mouse,1
dog,1

animal,number
rabbit,1
mouse,1
dog,1

文件2.csv

fish,2
lizard,2
cat,2

animal,number
fish,2
lizard,2
cat,2

但是，file1.csv或file2.csv中没有标题，因此我尝试这样添加它：

awk 'BEGIN {FS = ","}; NR==1 { print } {print > ("file"$2".csv")}' fullfile.csv

---

但是标题会打印到命令行，而不是每个文件。如何获取要包含在每个文件中的标题？

您还可以使用

awk-F“，”

在

awk

脚本外部指定字段分隔符

当

NR==1

时，可以将标题存储为变量。将文件编号存储在数组中，如果该编号不在数组中，则只写入头一次。一旦值在数组中，您只需在设置之前将行写入各自的文件：

awk -F"," 'NR==1{header=$0}NR>1&&!a[$2]++{print header > ("file"$2".csv")}NR>1{print > ("file"$2".csv")}' fullfile.csv

输出：

file1.csv

rabbit,1
mouse,1
dog,1

animal,number
rabbit,1
mouse,1
dog,1

文件2.csv

fish,2
lizard,2
cat,2

animal,number
fish,2
lizard,2
cat,2

---

下面是一个更简单的awk命令，具有更好的格式

awk -F, '
NR==1 {hdr=$0; next}
{fn="file" $2 ".csv"}
!seen[$2]++{print hdr > fn}
{print > fn}' fullfile.csv

样本输出

$ for i in file*.csv; do echo $i; cat $i; echo; done
file1.csv
animal,number
rabbit,1
mouse,1
dog,1

file2.csv
animal,number
fish,2
lizard,2
cat,2

---

我个人的偏好是不在第一行使用awk，而只是在两个文件中都使用

head-1

。但我很确定，如果引入

if

并使用两个print语句打印到两个文件中，您可以使用awk来实现这一点。但是，如果文件的数量不是固定的，并且不是由文件第二列的内容决定的，那么它需要一些创造性。。。那么为它编写perl或bash脚本可能会更容易…感谢您的输入。。它不必在awk中。。我考虑过使用awk行，然后使用sed:sed-I-e'headerline'file.csv将第一个头添加到每个文件中。。。但这需要复制和粘贴标题行，并在每次需要运行此脚本时将其替换到脚本中。。。希望有一种更简单、更不容易出错的方法。你能解释一下'NR==1{header=$0}NR>1&&！脚本的[$2]++部分？？？@Pooja25当然

NR==1{header=$0}

表示如果我们在第一行，则将整行存储在变量

header

下。我们移动的下一个表达式测试通过了

NR>1的头，还使用了
awk
数组技巧和
！[$2]+
——此构造测试
$2
是否不在数组中，如果不在数组中，则添加它。因此，当我们第一次在
$2
中遇到一个新值时，比如说
1
，我们会启动一个名为
file1.csv
的新文件，从标题开始。我们将
1
存储在数组中，因此
file1.csv
的标题将只写入一次。非常感谢。我真的很感激。还有一个问题，为什么我们需要使用（“文件“$2.csv”）}NR>1{print>（“文件“$2.csv”）}两次？我的意思是第二次打印>（“文件“$2.csv”）做什么？文件名（“文件“$2.csv”），$2值在文件名上用双引号引起来，这是我不想要的。现在文件名是：ABC.123.csv，我想要ABC.123.csv。@Pooja25我们使用print语句两次的原因是我们第一次打印标题，这只发生在
NR>1&&！a[$2]+
。下一次打印是打印实际数据，只需要
NR>1
。通常只进行一次打印，但如果在第2列中遇到一个新值，我们将创建一个新文件，因此我们需要头和两个打印语句。